li shi

responsable application moteur

Salto

#NousSommesEpsilon, #ETO EPSILON France est l’alliage des compétences datamarketing de Publicis Groupe, qui réunit + de 750 experts Adtech et Martech pour aider les marques à maximiser l’exploitation de leurs data. Nous sommes votre Business Partner, votre Data Partner, votre Master Partner, nous sommes EPSILON ! -Team leader Data d'équipe LVMH -Chez Oney banque (7 mois) -Databricks -Snowflaks -azure

Projet Flash référence spark Spark streaming/ ETL Aws kinesis/Kafka to s3 REDSHIFT /elastisearsh Scala / python DevaOps

Projet : Convergence du GSB et Proxi Poste : Data Scientiste • Clustering sur les clients GSB (Leroy Merlin Italie) et Proxi (Bricocentre Italie) • Clustering sur mix de deux BU • Cible les clients et compare le résultat avec le cible client de marketing • Environnement technique : Scala, Spark, R, Python, impala, Teradata, shell-bash Projet : Association entre les produits peinture Poste : Data Scientiste • Association learning sur les produits peinture de tous les BU d’adeo • Comparer les associations de produits entre différentes BU • Visualise sur Tibco • Environnement technique : Scala, Spark, Teradata, TDCH, Tibco, Projet : Younity (réseau social interne) Poste : Data Scientiste • Récupère les donnes (1,5T) par API en format json • Nettoyé les donnes en utilisant jq • Stocke les fichers sur hive • Data viz sur tibco • Environnement technique : shell-bash, impala, Teradata, Tibco Projet : Impact de KOSIKAZA sur LMFR Poste : Data Scientiste • Etude de l’impact de l’inscription des clients à Kosikaza (simulation de design) sur LeroyMerlin • Modèle prédictif de comportement client • Environnement technique : Scala, Spark, R, Python, impala, Teradata, shell-bash

03 /2017 – 09/2017  Auchan RETAIL  Stagiaire Bigdata Développement de Lakeshore • Conception d’un Modèle de prévision de Ventes promotionnel pour améliorer la rentabilité des stocks (régression linéaire par partition) • Industrialisation de model Machine Learning • Définition des futurs cas d’usage et intégration de cette solution dans le socle commun pays Environnement technique : Python, R, Scala, Spark, Hadoop Project Construction the Socle of Auchan Retail The Socle of Auchan Retail is a general method for differents countries in the part of predictions or analysis of data 1. Construction of the Socle Versioning with Hive: -The Socle Versioning is one of the steps in the WorkFlow, the object of this step is to arrange the data with some rules, then they can be used in the model for predictions 2. Development the Socle model -The Socle model is built to predict the Promo-Ventes. My first mission is to write the strategies of our data analysts into an algorithm with Scala Spark, then Auchan can use it on the platform, -Second mission is to innovate the Socle model with machine learning in Mlib Spark, for example, replace the Linear regression with Linear Regression With Stochastic Gradient Descent(SGD) and improve the results of predictions

Lauréat du prix de développement du challenge Big Data organisé par le Crédit Agricole Nord de France en partenariat avec l'université de Lille 1 Réflexion et développement autour du sujet suivant : Quel est l'impact du webtracking sur le Business ? - Utilisation d'une plateforme Big Data (IBM Bluemix) - Réalisation d'un modèle de Machine Learning Lien article : http://www.louisbachelier.org/challenge-big-data-credit-agricole-devoile-laureats/ Winner of the Big Data challenge development prize organized by Crédit Agricole Nord de France in partnership with the University of Lille 1 Reflection and development around the following subject: What is the impact of webtracking on Business? - Use of a Big Data platform (IBM Bluemix) - Creation of a Machine Learning model Lien article : http://www.louisbachelier.org/challenge-big-data-credit-agricole-devoile-laureats/

Animation avec les enfants 3ans à 12ans